为 unicode 字体初始化对象

Question

我写了一个 class 对象来访问 unicode 块中的数学字母数字符号，如 https://en.wikipedia.org/wiki/Mathematical_Alphanumeric_Symbols

中所述

# San-serif
LATIN_SANSERIF_NORMAL_UPPER = (120224, 120250)
LATIN_SANSERIF_NORMAL_LOWER = (120250, 120276)
LATIN_SANSERIF_BOLD_UPPER = (120276, 120302)
LATIN_SANSERIF_BOLD_LOWER = (120302, 120328)
LATIN_SANSERIF_ITALIC_UPPER = (120328, 120354)
LATIN_SANSERIF_ITALIC_LOWER = (120354, 120380)
LATIN_SANSERIF_BOLDITALIC_UPPER = (120380, 120406)
LATIN_SANSERIF_BOLDITALIC_LOWER = (120406, 120432)

class MathAlphanumeric:
    def __init__(self, script, font, style, case):
        self.script = script
        self.font = font
        self.style = style
        self.case = case
        
    def charset(self):
        start, end = eval('_'.join([self.script, self.font, self.style, self.case]).upper())
        for c in range(start, end):
            yield chr(c)
    
    @staticmethod
    def supported_scripts():
        return {'latin', 'greek', 'digits'}
    
    @staticmethod
    def supported_fonts():
        return {'serif', 'sanserif', 'calligraphy', 'fraktor', 'monospace', 'doublestruck'}
    
    @staticmethod
    def supported_style():
        return {'normal', 'bold', 'italic', 'bold-italic'}
    
    @staticmethod
    def supported_case():
        return {'upper', 'lower'}

要使用它，我会这样做：

ma = MathAlphanumeric('latin', 'sanserif', 'bold', 'lower')
print(list(ma.charset()))

[输出]:

['', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '']

代码按预期工作，但为了涵盖所有数学字母数字符号，我将不得不枚举 script * fonts * style * case 编号中的所有开始和结束符号。常数。

我的问题是：

是否有更好的方法来创建所需的 MathAlphanumeric 对象？
有没有办法避免初始化 script * fonts * style * case 没有。常数，以便 MathAlphanumeric.charset() 按预期工作？
在某些 unicode.org 相关库中是否有这样的对象或函数可用？

Answer 1

您可能对 unicodedata 标准库感兴趣，特别是：

unicodedata.lookup :

Look up character by name. If a character with the given name is found, return the corresponding character. If not found, KeyError is raised.
unicodedata.name :

Returns the name assigned to the character chr as a string.

一个简单的例子：

>>> import unicodedata
>>> unicodedata.name(chr(0x1d5a0))
'MATHEMATICAL SANS-SERIF CAPITAL A'
>>> unicodedata.lookup("MATHEMATICAL SANS-SERIF CAPITAL A")
''
>>> unicodedata.name(chr(0x1d504))
'MATHEMATICAL FRAKTUR CAPITAL A'
>>> unicodedata.lookup("MATHEMATICAL FRAKTUR CAPITAL A")
''

现在您必须找到 unicodedata 期望用于您的用例的所有名称，从中构造相应的字符串，然后调用 lookup.

这是一个小型概念验证：

import unicodedata
import string


def charset(script: str, font: str, style: str, case: str):
    features = ["MATHEMATICAL"]
    # TODO: use script
    assert font in MathAlphanumeric.supported_fonts(), f"invalid font {font!r}"
    features.append(font.upper())
    assert style in MathAlphanumeric.supported_style(), f"invalid style {style!r}"
    if style != "normal":
        if font == "fraktur":
            features.insert(-1, style.upper())  # "bold" must be before "fraktur"
        elif font in ("monospace", "double-struck"):
            pass  # it has only one style, and it is implicit
        else:
            features.append(style.upper())
    assert case in MathAlphanumeric.supported_case(), f"invalid case {case!r}"
    features.append("CAPITAL" if case == "upper" else "SMALL")
    return tuple(unicodedata.lookup(" ".join(features + [letter]), ) for letter in string.ascii_uppercase)


if __name__ == '__main__':
    print("".join(charset("latin", "sans-serif", "bold", "lower")))
    # 
    print("".join(charset("latin", "fraktur", "bold", "upper")))
    # 
    print("".join(charset("latin", "monospace", "bold", "upper")))
    # 
    print("".join(charset("latin", "double-struck", "bold", "upper")))
    # KeyError: "undefined character name 'MATHEMATICAL DOUBLE-STRUCK CAPITAL C'"

（我稍微改变了你的 supported_fonts 方法：return {'serif', 'sans-serif', 'calligraphy', 'fraktur', 'monospace', 'double-struck'}）

但 Unicode 中有很多注意事项：它包含您可能想要的所有字形，但没有以连贯的方式组织（由于历史原因）。我的示例中的失败是由以下原因引起的：

>>> unicodedata.name("")  # the letter copied from the Wikipedia page
'MATHEMATICAL FRAKTUR CAPITAL B'
>>> unicodedata.name("ℭ")  # same, but for C
'BLACK-LETTER CAPITAL C'

所以你会需要很多特殊情况。

还有：

使用 eval 被认为是一种不好的做法（参见 this question），如果可以避免，您应该避免。
使用 unicode 的十进制值“characters”不方便，我不得不将您的代码与维基百科页面进行十六进制转换。只需加上 0x 前缀就足以告诉 Python 它是一个十六进制值，但除了看起来“奇怪”之外，它的工作原理完全相同：0x1d5a0 == 120224 是 True。
仅使用一个从实例 __init__ 获取其参数的方法的 class 被视为 smell, you can just make it a function, simpler and cleaner. If what you want is a namespace 您可以改用 Python 模块。
支持的脚本、字体、样式和大小写是不变的，您可以将它们设为 class 变量，而不是将它们放在 staticmethod 中。

为 unicode 字体初始化对象

Initialize object for unicode fonts

python

unicode

object

character-set